让你的职业生涯与生成式 AI 同行的 5 个理由

根据最近对 125 家大型企业的 AI 和数据主管的调查显示，有三点非常明确：98% 的企业表示将在 2025 年增加生成式 AI 投资——相比去年的 82% 有所增长；91% 的企业认为数据和 AI 投资是首要任务，高于去年的 88%；可能最重要的是，生产环境中的生成式 AI 系统使用率从 5% 激增至 24%。这似乎与 Gartner 所说的这项技术正处于过度期望的顶峰不太相符。

随着投资和实施浪潮持续，我在思考谁将领导这些生成式 AI 项目？经过深入分析，我认为这将遍布整个组织，由那些掌握流程、数据和损益表的人来推动这项新技术的实施。因此，这意味着技术主管，特别是 CIO 和首席数据官需要准备好在一个需求多样、权限分散的环境中交付成果，可能需要采用更灵活的模式，某些决策权集中在总部，但大部分行动都在各个部门或职能部门中进行。

为什么我认为这波技术浪潮将由技术部门之外的主管推动？我的分析有五个核心原因。

机遇无处不在：生成式 AI 可以改进组织的多个方面

第一个原因是生成式 AI 可以帮助组织从根本上改变由文字、图像、数字和声音组成的工作。在我们 2023 年 10 月的 HBR 文章《从何处开始使用生成式 AI》中，我们称之为 WINS 工作。WINS 工作遍布整个组织。营销部门创建分析、图像和故事等；销售部门负责 RFP、合同和客户推介；人力资源部门负责人才发掘、部署、技能提升和评估，这样的 WINS 工作列表还可以继续延伸。由于了解这些职能和流程的运作方式，再加上生成式 AI 工具低代码、零代码的特性，意味着改进它们的知识和技术可以存在于职能部门或事业部内。

必要的生成式 AI 培训将在业务部门和事业部中进行

第二个原因是改进将发生在 IT 部门之外，这是因为根据 Microsoft Co-Pilot 部门负责人和 OpenAI 高管的说法，采用的主要障碍在于人们需要广泛的培训才能使用这些强大的工具，以获得其深层价值，并且不会被其所intimidate。Alan Kay——为我们带来个人计算机并发明了面向对象编程（现代大多数消费者软件的基础）的天才之一指出，任何人学习一个强大的工具都需要时间。语言、数学、乐器，都需要时间来学习。这些模型也是如此。好消息是，与数学或钢琴不同，这些工具不仅可以执行任务，还可以指导你如何使用它们。这种培训投资不太可能来自中央 IT 预算，而更可能存在于公司的事业部或职能部门中。

增长和创新属于业务部门，而不是技术部门

传奇管理理论家 Peter Drucker 曾说："企业的目的是创造并保持客户。"我的第三个原因就是受到 Drucker 这一观察的启发。80% 的公司报告说他们的主要重点是增长和创新。在许多组织中，权力往往掌握在能够推动增长和利润的部门手中。在技术公司，这通常是工程部门；在金融服务公司，通常是财务部门；在快消品公司，则是营销部门。很少有组织是由 IT 部门来领导增长和创新的。任何优秀的 IT 组织都会支持这些关键目标，但通常不会领导它们。鉴于生成式 AI 投资主要集中在公司的增长和创新上，我们预计 IT 将处于支持而非领导角色。生成式 AI 在企业中的许多早期应用案例都是支持客服专业人员，从培训和改进呼叫中心到完全自动化的聊天机器人互动，这些聊天机器人具有合理的智商，可以回答真实的客户问题，并在客户感到沮丧时快速无缝地升级。有实力的部门也往往"拥有"创建高效模型所需的数据和流程。

许多职能部门和事业部都在获得专业化模型

虽然 OpenAI 的 ChatGPT 仍处理着绝大多数大语言模型查询，并且自从 ChatGPT 3.5 发布以来仅用两年就跃升为十大网络资产之一，但我的第四个原因源于我们认为将会看到越来越多针对职能和行业需求的生成式 AI 解决方案。Harvey 旨在改变法律实践。在最近的消费电子展上，Qualcomm 与 IBM 和 Honeywell 合作推出了 Qualcomm 本地 AI 设备解决方案，可以在从快餐店到医院再到经销商等各种环境中自动化流程，涵盖从数据收集到模型维护的整个生命周期。市场将告诉我们这个产品是否能实现其承诺，但它只是针对职能部门、事业部或整个企业的数千种新解决方案之一。这类解决方案是由所有者或线路经理购买的，他们会咨询 IT 部门，但所有权将保留在业务主管手中。

大胆的领导者通过转变组织的某个部分来实现晋升

最后但同样重要的是，雄心勃勃的主管们经常通过倡导新产品或服务，或转变组织的现有部分来建立他们的职业生涯。我的同事兼朋友 Betsy Holden 成为 Kraft 的联合 CEO 有很多原因，其中最重要的是她是 Tombstone Pizza 的产品经理，这是第一个带有外卖口感的速发酵冷冻披萨。它像热蛋糕一样畅销，Betsy 也随之上升。同样，组织中的强大人才开始意识到，如果他们愿意做艰苦的工作，这套新的生成式 AI 技术可以通过资本替代劳动力来创造巨大的生产力，它可以作为思维伙伴和内容生成团队来实现更好的创新，并提供更具可扩展性的组织。作为大型服务机构的高级主管，我们深知随着市场的起起落落，最后一点关于可扩展性的重要性。五年后，现有企业的许多 CEO 将通过使用生成式 AI 来转变其组织主要部分的成本、创新和增长来实现这一目标。这种领导力不太可能主要来自 IT 部门。

技术部门有两个巨大的需求：感知和数据可用性

Elon Musk 最近表示："我从未见过像 AI 这样改进如此迅速的技术。"对于我们这些业内人士来说，它确实每天都在变化。一些组织可能会说，让我们等待，让事情平静下来。然而，我们认为这项技术存在学习效应。使用这些模型是一种组织能力——而不仅仅是技术。员工需要培训，流程需要改变，非结构化数据需要访问和利用。埋藏在 PDF、客户评论、RFP、合同等中的非结构化数据占大多数公司数据的 90%。此外，随着组织改进这些模型的质量、范围和准确性，这些模型在使用中会变得越来越好。存在一种很难追赶的学习效应，以及一个只能随时间在公司内部完成的非结构化数据渐进结构化的过程。换句话说，时间不会让你公司的旅程变得更容易，反而会给竞争对手时间来快速发展。

通常，CIO 的职能是合理化和简化组织的技术基础，并获得最安全、可靠、成本最低的解决方案。然而，当像这个领域这样出现寒武纪式的创新爆发时，CIO 必须增加一个额外的能力——感知能力。CIO 必须能够在这个波动的环境中扫描和评估关键趋势、新兴供应商和重要的服务提供商。这种感知和评估功能在最复杂的技术部门中是可用的，但即使是这些部门也需要在这波新能力浪潮中提升他们的水平。

首席数据官 (CDO) 的角色传统上是通过创建有序的数据存储库来降低成本和减轻风险，CDO 使公司能够提高运营效率，减少数据重复，并为更可预测的建模工作做准备。然而，多年来随着数据分析和传统 AI 的发展，CDO 除了效率角色外，还更多地面向外部和增长导向。然而，这波新数据类型、图片、声音、视频、语音、PDF 等需要一个完全更开放的方法。此外，与业务领导者的互动方式必须是参与并逐步解决问题。换句话说，正是模型与它们所提供的数据类型的共生关系可以帮助获取那些分散和零碎的知识，使其变得可访问。想想现在可以以微不足道的成本查看和分析数万份 RFP。考虑可以以原始形式查看数万份合同以寻找节约和风险的工具。想象一下所有正在进行的客户对话都可以实时获取，并提炼其趋势和影响。这个过程是与过程和它产生的数据的积极互动，而不是在数据湖中投入大量资金进行数据清洗并进行集中控制的练习。价值与业务流程更接近，CDO 需要能够在这个新世界中运作，并专注于使新数据可用于模型的力量。

简而言之，由于生成式 AI 的真正价值来自于业务流程、产品和服务的根本性改造，以及由于这些真正的价值来自于公司创造一种混合技术和人才的组织能力，我们预计这波浪潮将由 IT 部门之外的主管领导。对于技术领导者来说，这可能非常令人害怕，也可能令人振奋——这取决于他们是想控制公司的方法，还是想释放这个新世界中巨大的转型潜力。